Implementasi Algoritma Random Forest untuk Penentuan Relawan Pendonor Darah Potensial pada Palang Merah Indonesia (PMI) Kabupaten Kudus

Muhammad Maulana Abdurrohman; Fajar Nugraha; Noor Latifah

doi:10.70340/jirsi.v5i2.347

Penulis

Muhammad Maulana Abdurrohman Universitas Muria Kudus https://orcid.org/0009-0007-0943-0612
Fajar Nugraha Universitas Muria Kudus
Noor Latifah Universitas Muria Kudus

DOI:

https://doi.org/10.70340/jirsi.v5i2.347

Kata Kunci:

Random Forest, Blood Donation, PMI, Machine Learning, Geographic Information System

Abstrak

Palang Merah Indonesia (PMI) Kabupaten Kudus menghadapi permasalahan ketidakseimbangan stok darah antar golongan yang sering menyebabkan kesulitan pemenuhan kebutuhan darah pada kondisi darurat. Pengelolaan data pendonor yang masih bersifat manual menjadi faktor utama lambatnya proses pencarian relawan donor. Penelitian ini mengembangkan sistem prediksi berbasis machine learning menggunakan algoritma Random Forest untuk mengidentifikasi relawan pendonor darah yang berpotensi kembali mendonorkan darahnya. Sistem dibangun berbasis web menggunakan framework CodeIgniter dan Python, serta diintegrasikan dengan Sistem Informasi Geografis (SIG) menggunakan Leaflet.js untuk visualisasi spasial distribusi pendonor. Pengembangan sistem menggunakan pendekatan CRISP-DM dengan data historis pendonor PMI Kabupaten Kudus sebagai bahan pelatihan model. Hasil evaluasi menunjukkan performa model yang sangat baik dengan akurasi 87,45% dan ROC-AUC 0,912, serta nilai cross-validation ROC-AUC 0,897 yang mengkonfirmasi konsistensi model tanpa overfitting. Sistem menghasilkan daftar rekomendasi pendonor potensial berdasarkan nilai probabilitas tertinggi yang disusun sesuai kecamatan dan golongan darah, sehingga mempercepat respons petugas PMI dalam pemenuhan kebutuhan darah.

Unduhan

Data unduhan belum tersedia.

Referensi

A. M. Jannah, A. A. D. Nur, and D. Dahniar, “Gambaran Ketersediaan Stok Komponen Darah Thrombocyte Concentrate di UDD PMI Provinsi Sulawesi Selatan Tahun 2024,” J. Penelit. Multidisiplin Bangsa, vol. 2, no. 5, pp. 918–925, 2025.

P. Batarius, A. A. J. Sinlae, and others, “Prediction of blood demand and supply: double exponential smoothing method approach,” J-Icon J. Komput. Dan Inform., vol. 12, no. 1, pp. 1–9, 2024.

Y. I. Saidi, Y. Aneta, and R. Tohopi, “Kualitas Pelayanan Di Unit Transfusi Darah Palang Merah Indonesia (Pmi) Kota Gorontalo,” J. Adm. Manaj. Sumber Daya Mns. Dan Ilmu Sos., vol. 3, no. 3, pp. 140–153, 2024.

N. N. Amalina, D. T. Liputra, and R. M. Heryanto, “Analisis Penyebab Risiko pada Rantai Pasok Darah di Masa Pandemi COVID-19 Menggunakan Model Supply Chain Operations Reference (SCOR) dan Failure Modes and Effects Analysis (FMEA),” JISI J. Integr. Sist. Ind., vol. 11, no. 1, pp. 65–76, 2024.

S. S. Elfaretta, A. A. Arifiyanti, and A. S. Fitri, “Klasifikasi Calon Pendonor Darah Potensial Menggunakan Algoritma Decision Tree Di Utd Pmi Kota Surabaya,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024.

M. Azwar, L. Widyawati, R. Azhar, K. Kartarina, T. Tanwir, and A. S. Anas, “Deteksi Malware Pada Perangkat Android Menggunakan Ensemble Learning,” J. Teknol. Inf. dan Multimed., vol. 7, no. 3, pp. 408–419, 2025.

F. Rozi, “Perancangan Sistem Penyediaan Stok Darah Dalam Blood Supply Chain Management Berbasis Blockchain Pada PMI Sleman Yogyakarta,” Universitas Islam Indonesia, 2024.

A. K. Putri and D. I. Nur, “Penggunaan bahasa python untuk analisis dan visualisasi data penduduk di Desa Sumberjo, Nganjuk,” Karya J. Pengabdi. Kpd. Masy., vol. 3, no. 3, pp. 206–217, 2023.

N. A. Elmaulana, L. P. Ghanistyana, N. Aryanti, R. Taufik, and S. R. Jelita, “Strategi Cyber PR PMI Kota Tangerang Dalam Kegiatan Donor Darah,” J. Din. Ilmu Komun., vol. 11, no. 1, pp. 1–12, 2025.

L. A. Kusumawardani, Y. Amalia, S. Widuri, P. A. D. Reswari, and C. P. Kwarta, “Prediksi Kelayakan Donor Berdasarkan Riwayat Kesehatan Berbasis Algoritma Machine Learning,” J. Ilm. J-HESTECH, vol. 8, no. 2.

S. Sutisna and M. N. Yuniar, “Klasifikasi kualitas air bersih menggunakan METODE Naive baiyes,” J. Sains dan Teknol., vol. 5, no. 1, pp. 243–246, 2023.

I. M. Hamdani, N. Nurhidayat, A. Karman, A. H. Julyaningsih, and others, “Edukasi dan Pelatihan Data Science dan Data Preprocessing,” Intisari J. Inov. Pengabdi. Masy., vol. 2, no. 1, pp. 19–26, 2024.

M. Guntara and F. D. Astuti, “Komparasi Kinerja Label-Encoding dengan One-Hot-Encoding pada Algoritma K-Nearest Neighbor menggunakan Himpunan Data Campuran,” JIKO (Jurnal Inform. dan Komputer), vol. 9, no. 2, pp. 352–360, 2025.

A. F. Nugraha, R. F. A. Aziza, and Y. Pristyanto, “Penerapan metode Stacking dan Random Forest untuk Meningkatkan Kinerja Klasifikasi pada Proses Deteksi Web Phishing,” J. Infomedia, vol. 7, no. 1, p. 39, 2022.

M. R. Hanan, L. Muflikhah, and F. A. Bachtiar, “Prediksi Nefropati Menggunakan Algoritma Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 5, 2025.